اخبار و اعلانات
آمار
| تعداد نشریات | 38 |
| تعداد شمارهها | 1,414 |
| تعداد مقالات | 10,145 |
| تعداد مشاهده مقاله | 11,989,252 |
| تعداد دریافت فایل اصل مقاله | 6,987,446 |
بهبود عملکرد موشک آشیانهیاب در سامانههای پدافند با کنترل پیشبین و شبکه عصبی | ||
| مکانیک هوافضا | ||
| مقاله 1، دوره 21، شماره 4 - شماره پیاپی 82، بهمن 1404 | ||
| نوع مقاله: گرایش دینامیک، ارتعاشات و کنترل | ||
| شناسه دیجیتال (DOI): 10.47176/MAJ.2025.1519 | ||
| نویسندگان | ||
| محمدمهدی سوری1؛ کاظم ایمانی* 2 | ||
| 1دانشجوی دکتری، دانشگاه خواجه نصیر، تهران، ایران | ||
| 2استادیار، دانشکده افسری امام علی (ع)، تهران، ایران | ||
| تاریخ دریافت: 17 مهر 1404، تاریخ بازنگری: 22 آبان 1404، تاریخ پذیرش: 08 آذر 1404 | ||
| چکیده | ||
| در سامانههای هدایت موشکی، دستیابی به دقت بالا و عملکرد مطلوب مستلزم طراحی یکپارچه و بهینهسازی همزمان اجزای مختلف سیستم است. این پژوهش روشی نوین برای ارتقای کارایی سیستم هدایت موشک ارائه میدهد که مبتنی بر کنترلکننده پیشبین مدل (MPC) با بهرهگیری از یک شناساگر عصبی است. در این روش، با هدف کاهش خطای هدایت و مدت زمان پرواز، مسیر حرکت موشک نسبت به هدف بهصورت دقیق شبیهسازی و بهینهسازی میشود. کنترلکننده طراحیشده با تکیه بر یادگیری دینامیک سیستم از طریق شبکه عصبی، قادر است مدلسازی دقیقی از سیستم بدون نیاز به در اختیار داشتن مدل تحلیلی دقیق انجام دهد. این ویژگی نهتنها موجب کاهش وابستگی به مدلهای سنتی میشود، بلکه هزینههای طراحی و پیادهسازی سیستم را نیز بهطور محسوسی کاهش میدهد. نتایج شبیهسازیها نشان میدهد که کنترلکننده پیشنهادی در مقایسه با روشهای مرسومی همچون PID، در کاهش فاصله عدم برخورد و کاهش زمان رسیدن به هدف عملکرد مؤثرتری از خود نشان میدهد. | ||
| کلیدواژهها | ||
| کنترل پیشبین مدل عصبی؛ کنترل هوشمند موشک؛ شبیهسازی و تحلیل سیستمهای پدافند هوایی؛ بهینهسازی عملکرد سیستم هدایت | ||
| عنوان مقاله [English] | ||
| Performance enhancement of homing missiles in air defense systems through model predictive control integrated with neural networks. | ||
| نویسندگان [English] | ||
| MohamadMahdi Soori1؛ kazem Imani2 | ||
| 1PhD Student, Khajeh Nasir University, Tehran, Iran | ||
| 2Assistant Professor, Imam Ali Officer University, Tehran, Iran | ||
| چکیده [English] | ||
| Achieving high precision and optimal performance in missile guidance systems necessitates a unified design framework with simultaneous optimization of multiple system components and constraints. This paper presents an innovative and effective approach to improving the overall performance of missile guidance by employing a Model Predictive Controller (MPC) integrated with a neural network-based identifier. The proposed method focuses on accurate three-dimensional modeling and real-time trajectory optimization between the missile and its maneuvering target, aiming to minimize guidance errors and reduce total flight time. By leveraging a neural network to learn the nonlinear dynamics of the system, the controller eliminates the need for an exact analytical model, significantly decreasing dependency on traditional modeling techniques. This not only enhances modeling flexibility and adaptability but also contributes to lower development and implementation costs in practical scenarios. Simulation results confirm that the proposed MPC-based controller significantly outperforms conventional strategies such as PID in terms of miss distance reduction and faster interception under dynamic conditions. | ||
| کلیدواژهها [English] | ||
| Neural Network-Based Model Predictive Control, Intelligent Missile Control, Simulation and Analysis of Air Defense Systems, Guidance System Performance Optimization | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 108 |
||